研究人员：人工智能竟能优化城市规划！

传统的城市规划方法需要大量的技术专业知识和人工劳作。

弗吉尼亚理工大学有一位研究人员正在努力改变这一状况。

新的研究显示，像 ChatGPT 以及谷歌的 Gemini 这类大型语言模型（LLM）在借助街景图像评估人造环境这一方面具有潜力。

通过把 LLM 的性能和传统的城市规划深度学习方法作比较，自然资源与环境学院的此项研究发现，基于 LLM 的性能和既定方法相近。

和需要技术专长或者人工劳作的传统方法不一样，研究人员发现 LLM 给用户提供了更容易获取的工具，让政策和规划利益相关者在中小城市使用这些模型来管理智能城市基础设施变得更加容易。

“我的目标是缩小技术规模，让它们对于小城市而言更加实惠、有效，”地理系助理教授、智慧城市公益项目主任 Junghwan Kim 说。“智慧城市技术涉及运用先进的城市分析手段，例如人工智能和数据科学，来处理能够捕捉城市环境以及人们对其感知情况的高质量数据。这些技术有助于我们更好地理解诸如交通和健康之类的城市问题。”

这项新的研究表明，生成式人工智能工具能够自动分析图像并检测像长椅、人行道或路灯等特征。

此前，研究人员不得不手动分析图像，这是很耗费劳动力的工作。

一个具体的例子是对建筑环境进行评估，比如某一特定区域的步行或骑行便利程度怎样。

金利用人工智能检测建筑环境的特征，像长椅、人行道、树木和路灯，所有这些元素都会影响人们对于步行便利性和安全性的认知。

“这让曾经只有拥有编码技能和高性能计算资源的专家才能使用的先进工具走向大众化，”

“然而，也存在一些局限性，例如人工智能训练数据中的偏差，这可能会引发地理差异。

比如说，由于用于训练人工智能模型的数据可用性不均衡，这些工具在大城市往往要比在小城镇表现得好。

虽说这一工具极为强大，然而它却可能产生幻觉，还会依据其训练数据中的空缺来进行假设。

“这就是为何要谨慎使用这些工具的缘由，尤其是在对准确性要求极高的专业环境里，”金说道。

我依旧对这些工具的潜力感到兴奋，不光是对于我的研究，对于如今能够轻松获取高级分析的学生和专业人士来说也是这样。

不过，我们必须一直清楚在城市规划中运用人工智能所带来的局限性和偏见。